W ich kalendarzu nie brakuje hackathonów, a każdy z nich to nowe wyzwania, pomysły i doświadczenia. Dziś przyglądamy się jednemu z tych wydarzeń. Zespół, Machinekind z udziałem naszego pracownika mgr. inż. Łukasza Jańca oraz Przemysława Nowaka, Grzegorza Piotrowskiego, Pawła Litwina oraz Michała Pawłowskiego, zajął drugie miejsce w kategorii „Showcase”, podczas wydarzenia Open Mercato HackOn we Wrocławiu. Zaprezentowany projekt pt. "Fizyczna sztuczna inteligencja w systemach ERP" zdobył również nagrodę publiczności - "People’s Choice Award".

Open Mercato to elastyczny framework - gotowa platforma i zestaw narzędzi stworzonych z myślą o projektowaniu systemów biznesowych przy użyciu agentów AI. W ramach wspomnianej kategorii celem zawodów było zbudowanie czegoś spektakularnego z Open Mercato - demo, które pokaże światu możliwości platformy.

Projekt zespołu jest odpowiedzią na pytanie - czy możliwe jest, żeby roboty stały się pełnoprawnymi zasobami wewnątrz systemu planowania zasobów przedsiębiorstwa ERP (Enterprise Resource Planning)?
Stworzona została ścieżka migracji z dotychczasowego systemu ERP używanego w modelowej sortowni odpadów do platformy Open Mercato wzbogacona o:

• cyfrowego bliźniaka 3D, stworzonego na podstawie danych z technologii LiDAR oraz obrazu wideo,
• system śledzenia za pomocą kamer (dla zapewnienia bezpieczeństwa),
• zarządzanie flotą robotów,
• kontrolę kalibracji i systemy zabezpieczeń,
• stopniowe wdrażanie wyuczonych strategii sterowania,
• automatyczne przywracanie poprzedniego stanu (rollback) w przypadku spadku wydajności, oraz w pełni weryfikowalne powiązanie między
  działaniami w świecie fizycznym a danymi w systemie ERP.

Ponadto, podłączone zostało prawdziwe ramię robotyczne SO-101, udostępnione przez platformę Hugging Face. Robot wykonywał ruchy, a informacje o nich trafiały bezpośrednio do systemu ERP, działającego na lokalnej stacji roboczej AI od Dell Technologies. 

Zamiast ograniczać się do samego sterowania robotem za pomocą sztucznej inteligencji, skupiono się na stworzeniu infrastruktury umożliwiającej jego skuteczną integrację z systemami wykorzystywanymi w przemyśle

– Jednym z pomysłów, który szczególnie chciałbym teraz rozwijać, jest architektura typu „wykonawca–weryfikator” (doer–verifier) ​​dla Physical AI: jeden komponent realizuje zadanie, podczas gdy drugi niezależnie sprawdza, co faktycznie się wydarzyło. To podejście wykorzystuje siłę dwóch współpracujących ze sobą elementów – mówi mgr inż. Łukasz Janiec z Katedry Cybernetyki i Robotyki – W naszym przykładzie dotyczącym sortowania odpadów oznacza to porównanie raportu robota z pomiarami z wagi oraz systemu wizji komputerowej. Jeśli dane z różnych źródeł są rozbieżne, system nie udaje, że zna odpowiedź. Zamiast tego rejestruje rozbieżność i jasno komunikuje, że brakuje wystarczających dowodów na jej rozstrzygnięcie. Może brzmi to niemal nudno, ale uważam, że „nuda” jest bardzo pożądaną cechą w warstwie pośredniej między sztuczną inteligencją a maszynami przemysłowymi - dodaje.

W miarę jak roboty stają się coraz bardziej autonomiczne, systemy klasy ERP muszą zarządzać nie tylko zapasami, personelem czy finansami. Kwestie takie jak możliwości robotów, autoryzacja, realizacja zadań, weryfikacja, bezpieczeństwo oraz odpowiedzialność muszą znaleźć swoje miejsce w systemach klasy korporacyjnej.

Z relacji uczestników wynika, że publiczność doceniła niestandardowe podejście zespołu do zadań. Zamiast poprzestać na stworzeniu aplikacji, zdecydowano się na ambitne, nieco brawurowe rozwiązania z wykorzystaniem rzeczywistego sprzętu i o praktycznym zastosowaniu.